逻辑回归：2.1评估逻辑回归的指标

• 评估逻辑回归的指标

• 正确率与召回率
  
  正确率与召回率（Precision & Recall）是广泛应用于信息检索和统计学分类领域的两个度量值，用来评价结果的质量。
  
  一般来说，正确率就是检索出来的条目有多少是正确的，召回率就是所有正确的条目有多少被检索出来了。
  
  F1值=2 ∗正确率∗召回率/（正确率+召回率）。是综合上面二个指标的评估指标，用于综合反映整体的指标。这几个指标的取值都在0-1之间，数值越接近于1，效果越好。
  
   
• 举例
  
  某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。
  撒一大网，逮着了700条鲤鱼，200只虾，100只鳖。那么，这些指标
  分别如下：
  正确率= 700 / (700 + 200 + 100) = 70%
  召回率= 700 / 1400 = 50%
  F值= 70% * 50% * 2 / (70% + 50%) = 58.3%
  
  某池塘有1400条鲤鱼，300只虾，300只鳖。现在以捕鲤鱼为目的。
  撒一大网，逮着了所有的鱼虾鳖：
  正确率= 1400 / (1400 + 300 + 300) = 70%
  召回率= 1400 / 1400 = 100%
  F值= 70% * 100% * 2 / (70% + 100%) = 82.35%
  
   
• 我们希望检索结果Precision越高越好，同时Recall也越高越好，但事
  实上这两者在某些情况下有矛盾的。比如极端情况下，我们只搜索出
  了一个结果，且是准确的，那么Precision就是100%，但是Recall就
  很低；而如果我们把所有结果都返回，那么比如Recall是100%，但是
  Precision就会很低。
  因此在不同的场合中需要自己判断希望Precision比较高或是Recall比
  较高。
   
• 综合评价指标
  正确率与召回率指标有时候会出现的矛盾的情况，这样就
  需要综合考虑他们，最常见的方法就是F-Measure（又称
  为F-Score）：
  
  
  当? =1时，就是常见的F1指标：